Agentes travam em tarefas longas, e este harness entra em teste

Uma tarefa atravessa navegador, terminal, documentos e aplicativos por muitas rodadas. Nesse percurso, agentes podem perder contexto, repetir etapas e declarar sucesso sem comprovação — justamente o ponto de falha que o LongHorizon-Harness pretende enfrentar.

A proposta é um harness para tarefas de longa duração em desktop e linha de comando (CLI). Em vez de depender de uma única sessão com contexto crescente, o projeto busca fazer a atividade continuar com progresso persistente e auditado.

A promessa depende de separar quem planeja, executa e verifica

O desenho do LongHorizon-Harness mantém o objetivo e o progresso verificado fora do contexto do executor. Ele divide o trabalho em três papéis: o Manager planeja, o Executor trabalha com contexto fresco e o Auditor realiza uma verificação independente.

Somente os resultados aprovados passam a integrar um estado persistente. Com isso, a mesma tarefa pode avançar por múltiplas rodadas sem que a continuidade dependa exclusivamente de o executor reter tudo o que ocorreu antes.

A aplicação identificada ainda é uma hipótese de piloto

A análise da Saraiva.AI identificou uma aplicação possível: testar o harness como camada de execução da Fábrica Saraiva.AI para Codex e Claude Code em tarefas longas. O escopo considerado inclui pesquisar, alterar código, operar navegador, planilhas e documentos, produzir um artefato, testar e revisar.

A hipótese é fazer isso sem depender de uma única sessão crescente. Também existe uma aplicação comercial futura sugerida pelo material: operações empresariais de múltiplas etapas, com aprovação humana e trilha de evidências. Essa possibilidade permanece uma hipótese até o piloto.

Os sinais de maturidade ainda exigem cautela

O projeto é extremamente recente. No snapshot oficial analisado, havia apenas 1 contribuidor e 6 commits, além de 3 issues e 1 PR aberta. Esses números não comprovam incapacidade do projeto, mas reforçam que sua adoção não deve ser tratada como tecnologia já validada em produção.

Windows está incluído, porém ainda não foi amplamente testado. A execução com interface gráfica também exige permissões amplas de Accessibility e Screen Recording, enquanto o ambiente documentado hoje é local. Para uma empresa brasileira, a análise relevante é que essas condições podem pesar na avaliação interna de acesso, operação e rastreabilidade antes de qualquer uso mais amplo.

Benchmarks não substituem validação independente

Os benchmarks disponíveis são dos próprios autores e não equivalem a validação de produção. Além disso, Codex, Claude e MCPs externos podem gerar custos e riscos próprios. A análise também não validou a existência de um SECURITY.md, o que deixa esse ponto sem confirmação.

O que isso significa para o seu negócio

Para negócios que avaliam agentes em fluxos extensos, o interesse está menos em uma promessa de autonomia e mais na possibilidade de estruturar continuidade, verificação e aprovação entre etapas. A decisão de testar, e não de declarar a ferramenta pronta, é compatível com as limitações registradas: ambiente local, permissões sensíveis, testes ainda restritos no Windows e ausência de validação de produção.

Depois da validação técnica, o Playbook Saraiva.AI apontará naturalmente para o guia em português Como instalar, testar e avaliar LongHorizon-Harness em português, de nível Pro, na Biblioteca, e para Aplicações empresariais de LongHorizon-Harness no mercado brasileiro, de nível Expert, no Laboratório.

Curadoria Saraiva.AI

LongHorizon-Harness

Testar agoraFato verificadoInicialMIT

45/50 no Radar

Ver fonte oficial